Athlete leadership behaviors: Investigating their importance and the impact of team tenure
Notice bibliographique
Résumé
Research has shown that athlete leadership is related to a variety of individual and team level correlates (e.g., Price & Weiss, 2013). Despite these positive relationships, the majority of research examining athlete leadership has focused on the frequency of leadership behaviors with little regard in determining which behaviors would be important for athletes to develop. Furthermore, it would be critical to determine which leadership behaviors are important to develop based on team tenure. Consequently, Janssen (2004) proposed that athletes at the intercollegiate level can be classified into three leadership categories: rookie, emerging, and veteran leaders. Thus, the first purpose was to determine the importance athletes placed on athlete leadership behaviors. The second purpose was to examine the importance of these leadership behaviors based on team tenure (i.e., rookie, emerging, veteran). Varsity athletes (N = 148) rated the importance of 17 athlete leadership behaviors and ranked their importance based on team tenure. Overall, the results indicated that it was important for athletes to display 16 of the 17 leadership behaviors (means greater than 3.07 out of 5). As for team tenure, participants were allocated 30 points to distribute among those who should be exhibiting specific leadership behaviors. The results indicated that it was important for all athletes to display leadership behaviors, however, it was highest for veteran athlete leaders 13.98 (SD = 2.37), followed by emerging 9.54 (SD = 1.05), and rookie athlete leaders 6.51 (SD = 1.90). The results are discussed in relation to athlete leadership development programs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».